AI in logistiek begint niet bij automatiseren, maar bij begrijpen

Wie een tijdje meeloopt in logistieke organisaties, merkt al snel dat het officiele proces maar een deel van het verhaal vertelt. Natuurlijk zijn er TMS-systemen, ERP-systemen, douanesystemen, klantportals en rapportages. Op papier lijkt het proces vaak overzichtelijk. Een order komt binnen, documenten worden verwerkt, gegevens worden gecontroleerd en het dossier gaat door naar de volgende stap. Maar de dagelijkse werkelijkheid is rijker en vaak ook rommeliger dan dat.

Veel werk speelt zich af tussen systemen in. In mailboxen, pdf's, bijlagen, klantinstructies, uitzonderingen en afspraken die ooit zijn ontstaan omdat de praktijk daarom vroeg. Daar zit geen gebrek aan professionaliteit achter. Integendeel. Logistiek draait juist dankzij mensen die context vasthouden, patronen herkennen en weten wanneer iets niet klopt, ook als een systeem dat nog niet aangeeft.

Daarom begint AI in logistiek voor mij niet bij de vraag wat we kunnen automatiseren. Die vraag is te vroeg. De betere vraag is: begrijpen we eigenlijk goed genoeg hoe het werk echt loopt? Pas als dat helder is, kun je bepalen waar AI waarde toevoegt, waar controle nodig blijft en waar menselijke beoordeling juist essentieel is.

De werkelijkheid past niet netjes in een procesdiagram

In documentgedreven logistieke processen gaat het zelden om een enkel document of een los veld. Een factuur, paklijst, CMR, boekingsbevestiging of douanedocument krijgt pas betekenis in samenhang met de rest van het dossier. De vraag is niet alleen wat er op het document staat, maar ook of het logisch is binnen de klantafspraak, de zending, de route, de goederenstroom en de vervolgstap in het proces.

Juist daar gaat het vaak mis wanneer AI te simpel wordt ingezet. Een model kan tekst lezen en gegevens herkennen. Dat is waardevol, maar het is nog geen logistiek proces. Het model weet niet vanzelf welke documenten bij elkaar horen, welke klant altijd op een afwijkende manier aanlevert, welke velden kritisch zijn voor compliance of welke uitzondering in de praktijk direct aandacht vraagt.

Wie alleen naar de taak kijkt, ziet data-entry. Wie naar het werk kijkt, ziet interpretatie, controle, prioritering en verantwoordelijkheid. Dat verschil is bepalend voor de manier waarop wij bij DocHeart naar AI kijken.

De mailbox is geen bijzaak

In veel logistieke organisaties wordt de mailbox gezien als iets dat eigenlijk zou moeten verdwijnen. Dat begrijp ik, maar het is niet altijd het juiste startpunt. De mailbox is vaak juist de plek waar de operationele waarheid zichtbaar wordt. Daar komen klantafspraken binnen, daar worden ontbrekende documenten nagevraagd, daar ontstaan uitzonderingen, daar wordt context toegevoegd die in geen enkel systeem staat.

Als je AI succesvol wilt inzetten, moet je die laag serieus nemen. Niet door alles wat in de mailbox gebeurt klakkeloos te automatiseren, maar door te begrijpen welke signalen daar verborgen zitten. Waar ontstaan wachttijden? Welke klanten leveren structureel onvolledig aan? Welke uitzonderingen komen terug? Welke informatie wordt steeds opnieuw handmatig opgezocht of overgenomen?

Daar ligt veel meer waarde dan in een generieke belofte van automatisering. De winst zit in het zichtbaar maken van werk dat nu verspreid, impliciet en persoonsafhankelijk is.

AI als gecontroleerde werklaag

Onze visie is daarom dat AI in logistiek geen losse tool naast het proces moet zijn. AI moet onderdeel worden van een gecontroleerde operationele werklaag. Een laag waarin documenten worden herkend, dossiers worden opgebouwd, gegevens worden voorbereid, risico's zichtbaar worden en medewerkers gericht kunnen beoordelen waar dat nodig is.

Dat betekent dat AI veel werk kan voorbereiden. Het kan documenten lezen, informatie structureren, ontbrekende gegevens signaleren, controles uitvoeren en een voorstel doen voor de volgende stap. Maar in processen met douane-impact, financiele gevolgen, gevaarlijke goederen, klantbeloftes of operationele deadlines wil je niet dat AI onzichtbaar beslist. Je wilt kunnen zien waarop een voorstel is gebaseerd en waar menselijke beoordeling nodig blijft.

Daarom is human-in-the-loop voor ons geen tijdelijke tussenfase totdat AI goed genoeg is. Het is een ontwerpprincipe. Niet omdat mensen alles moeten blijven controleren, maar omdat menselijke aandacht gericht moet worden ingezet op de plekken waar context, risico en oordeel samenkomen.

Wat dit klanten oplevert

Voor klanten gaat dit uiteindelijk niet over technologie om de technologie. Het gaat over grip. Minder zoeken, minder overtypen, minder herstelwerk, minder afhankelijkheid van verborgen kennis en meer traceerbaarheid in processen die vandaag vaak tussen mailboxen en systemen in hangen.

De organisaties die AI goed inzetten, zullen niet simpelweg de organisaties zijn die het snelst automatiseren. Het zullen de organisaties zijn die het beste begrijpen welk werk zij eigenlijk organiseren. Waar standaardisatie mogelijk is, waar uitzonderingen waardevolle informatie bevatten en waar menselijk oordeel niet uit het proces moet verdwijnen maar beter ondersteund moet worden.

Dat is de kern van hoe wij bij DocHeart naar AI in logistiek kijken. AI moet de complexiteit van logistiek niet ontkennen. AI moet helpen om die complexiteit hanteerbaar te maken.